说实话，Vibe Coding 的提示词优化是个技术活儿，但咱也不用太紧张，哈哈。

所谓的 Vibe Coding，本质上是开发者将精力从“如何写代码”转向“想要什么结果”的思维跃迁。

在这种模式下提示词不再是简单的指令，而是一份产品需求文档 + 架构设计书。

确保 AI 既懂你的意图，又懂技术边界。

当前项目页面新开发一个功Neng函数。在`Video\index.tsx` 中，新增一个函数，函数在第277行执行调用。Ru果 dataObj.data 下面的 videoStatus、headStatus、videoFrontStatus 、videoBackStatus、concatStatus 属性Ru果任意一个等于 ，则停止轮询，执行 tryonService.initTryonParams 否则继续轮询

执行效果：

你kan，这就是一个典型的 Vibe Coding 场景。

在写提示词时你需要从 “命令式” 转向 “声明式”

你得告诉 AI 你要什么而不是告诉它怎么Zuo，哈哈。

比如说你要实现一个功Neng，你就直接告诉 AI 这个功Neng的背景、上下文、约束条件等等。

不对不对，应该是先描述清楚需求和目标，然后让 AI 去实现。

Vibe Coding 并不是“一锤子买卖”，而是一个不断对话、不断纠偏的过程。

当 AI 生成的结果“差点意思”时尝试以下优化手段：

你Ke以调整你的提示词，或者提供geng多的上下文信息，让 AIgeng好地理解你的需求。

Ru果 AI 陷入了逻辑死循环，Zui好的办法是开启一个全新的对话窗口，并将当前Zui新的代码和明确的单一目标重新喂给它。

前些天有粉丝和我讨论说 GLM 不行，现在dou是用Cluade Code Opus 。当然行业龙头，工程化和代码质量、效率dou是风向标一样的存在。

大家当然喜欢，cluade 不是唯一选项，GPT-、Gemini--Pro、Kimi-K2、GLm 、Qwen3 Coder、甚至 DeepSeek- dou是不错的模型。

除了模型知否支持多模态处理这个鸿沟，在编码上我理解正常的需求开发模型之间差别没有想象的那么大。

我现在还没有遇到一个需求要写几个小时的情况，也没有遇到那么强的场景需要从plan -> deploy 整个完整流程的诉求。

大部分时候自己作为一个PM来规划、设计整个研发过程。

下面来给大家分享一些，我的一些理解技巧。

其实 Vibe Coding 就是要你学会和 AI “聊天”，哈哈，你得让 AI 明白你要啥。

"R-G-C-S"=, 背景描述任务发生的环境与前提条件;目标明确期望达成的结果;约束列出各种限制因素;步骤指导具体实施路径——这样一套组合拳下来,基本上Neng确保AI精准get到你的需求精髓所在!

Ru果你有什么问题可用有什么想法，可用留言讨论。也Ke以关注公众号 “A小码哥”向我咨询。